본 연구는 근적외선(NIR) 기술과 경량 그래디언트 부스팅(LightGBM)을 결합하여 유성 슬러지 내의 페난트렌(Phe) 및 플루오란텐(Flt) 함량을 예측하였다. 우선 모델 매개변수를 최적화한 후, 시료의 근적외선 분광 데이터를 전처리하고 경쟁적 적응 재가중 알고리즘(CARS), 상호 정보(MI), 고래 최적화 알고리즘(WOA)을 통해 스펙트럼 특징 변수를 선별하였다. 최적 입력 변수를 활용해 모델을 구축하였으며, 마지막으로 LightGBM을 부분 최소 제곱(PLS), 랜덤 포레스트(RF), 서포트 벡터 머신(SVM) 모델과 비교하였다. 결과에 따르면 페난트렌의 경우 Nor-SG-WOA-LightGBM 기반 모델이 가장 우수하였으며, 예측 결정 계수(R²_p)와 예측 평균 제곱근 오차(RMSE_p)는 각각 0.9952와 0.2426 mg/g이었다; 플루오란텐의 경우 SNV-SG-CARS-LightGBM 기반 모델이 가장 우수하였으며, R²_p와 RMSE_p는 각각 0.9951과 0.2452 mg/g였다. 본 방법은 유성 슬러지 내 다환 방향족 탄화수소(PAHs) 분석을 위한 기술적 참고자료를 제공한다.

근적외선 분광;경량 그래디언트 부스팅;유성 슬러지;다환 방향족 탄화수소